Petri网模型驱动的SaaS型云测试方法及支撑平台研究

Using cloud computing to support model-based software test generation process, which essentially provides a model-driven cloud testing service, could effectively improve certain deficiencies in the current software test generation practices, such as, low degree of generation automation, unsatisfactory availability and low-efficiency. This project aims to construct a novel Petri nets model-driven and SaaS-based test generation approach (PT-Cloud), together with its supporting software platform (PT-CloudTool) which is developed based on the Aneka cloud service. The PT-Cloud approach is well utilizes several important advantages of the Colored Petri Nets (CPN), including hierarchical modeling and analysis, concurrent behavior specifying and visual simulation. Furthermore, we will also apply our test generation approach into the conformance test generation practices for representative component-based software system in network environment. The merits of the PT-Cloud approach lies in two aspects. First, it guarantees the accuracy and feasibility of all generated test cases. Second, it effectively promotes the degree of automation, efficiency and applicability for large-scale test generation process. The expected contributions of this project could be summarized as four parts: testing application oriented software hierarchical CPN modeling approach and corresponding model validation approach; conformance test case generation approach based on dynamic CPN model simulation; conformance test case selection approach based on test purpose and test input mining; a cloud testing service platform to support SaaS-based test generation service which integrates and implements above indispensable and related approaches.

利用云计算来支撑基于模型的测试生成过程，提供一种模型驱动的云测试服务，能够有效解决当前测试生成中存在的自动化程度低、可用性差、生成效率低等问题。本项目利用着色Petri网(CPN)在层次建模与分析、并发行为描述、可视化模拟执行等方面的优势，基于Aneka提供的云服务平台，构建一套Petri网模型驱动的、能够提供SaaS型测试生成服务的新方法(PT-Cloud)及软件平台（PT-CloudTool），并面向典型网络构件化软件的一致性测试应用进行方法实践，保证所生成测试例的正确性和可执行性，有效提升大规模测试例生成过程的自动化程度、效率和应用能力。本项目的主要创新性成果包括：面向测试应用的软件CPN模型层次化建模及模型确认方法；基于CPN模型动态模拟的一致性测试例生成方法；基于测试目的与测试输入挖掘协同的一致性测试例选择方法；为支撑上述方法所构建的、可提供SaaS型测试生成服务的云测试平台等。

利用云计算技术支撑基于模型的测试生成过程，提供一种模型驱动的云测试服务，能够有效解决当前测试生成自动化程度低、可用性差、生成效率低等问题。本项目旨在利用着色Petri 网(CPN)在并发行为描述、可视化模拟执行等方面的优势，构建了Petri 网模型驱动的、能够提供SaaS 型测试生成服务的新方法，称为PT-Cloud方法，并实现了支撑该方法的云测试平台原型系统，称为PTCloud Tool。本项目研究内容及创新性成果包括：（1）提出了一种基于CPN模型的复杂软件层次建模与模型集成确认方法，能够有效确认软件CPN层次模型同时对复杂软件的关键功能细节和高层并发行为进行准确描述，为后续一致性测试生成过程提供了切实可用的基础形式模型。（2）提出了一种基于CPN模型动态模拟执行的一致性测试例生成方法，以实际数据驱动测试生成，保证了所生成测试例是实际可执行性的，且所提PN-IOCO一致性关系与基本IOCO关系相比，加强了对那些行为正确但功能不完整的缺陷软件的检测能力。（3）提出了一种测试目的驱动的、基于CPN模型同步模拟执行的IOCO测试选择方法，当软件模型规模较大时，基于遍历模型状态空间或计算模型同步积来实现测试例选择性生成的方法会因状态爆炸导致无法实施，但本研究所提方法并不受控于系统模型的规模大小，具备更强的可用性，能够有效处理较大规模软件的一致性测试应用。（4）以上述核心方法为基础，构建了基于MapReduce的、CPN模型驱动的云测试生成PT-Cloud方法，并构建了PT-Cloud Tool云测试平台原型系统。PT-Cloud云测试生成方法有效支撑了以实际测试数据驱动的基于模型模拟执行来实现多路径并行执行的测试例自动生成，在测试生成效率方面优势明显。鉴于目前尚未发现支持基于CPN模型进行测试生成的软件系统平台，本文实现的PT-Cloud Tool能够提供模型驱动的云测试服务，具有很好地实际应用价值。